基于对象感知策略网络的推荐方法技术

本发明专利技术涉及一种基于对象感知策略网络的推荐方法，包括：构建对象感知策略网络，所述对象感知策略网络包括策略网络、特征优化模型和深度推荐模型；所述策略网络充当强化学习代理，动态调整用户和项目的嵌入大小，并为特征优化模型提供嵌入；所述特征优化模型通过对象感知方法优化嵌入中的特征，并统一输入嵌入的大小；而后，连接两个统一的嵌入并馈送到深度推荐模型中，以计算预测结果；对构建的对象感知策略网络进行模型训练，在训练过程中，深度推荐模型和特征优化模型将随着反向传播而更新；将训练好的对象感知策略网络部署到推荐系统中用于推荐工作。该方法可以提高推荐系统的性能。

【技术实现步骤摘要】

本专利技术涉及数据推荐，具体涉及一种基于对象感知策略网络的推荐方法。

技术介绍

1、深度学习技术因其在非线性变换和表示学习方面的优异性能已被应用于许多推荐系统。深度推荐系统通常由表示层和推理层组成。前者学习将离散的用户和项目标识符映射到实值嵌入表示，后者将此作为输入，用mlp(多层感知)或fm(因式分解机)进行计算，以获得预测。许多工作通过捕捉高阶特征交互、应用注意机制或将因式分解机与mlp相结合来提高学习模型的性能，但研究表明，表示层也是模型性能提高的重要因素。

2、近年来，对表示层的研究主要集中在搜索不同用户和项目的嵌入大小。espan(嵌入大小调整策略网络)、nis(神经输入搜索)和autoemb(基于automl的端到端框架)主张嵌入大小应该根据用户-项目对的受欢迎程度动态改变。将高维嵌入以低频率应用于用户/项目将由于过度参数化而导致过度拟合。另外，当以高频率将低维嵌入应用于用户/项目时，这种模型不能被有效地训练。然而，上述模型仅在嵌入大小方面改进了模型，而没有优化嵌入中的特征，这将影响模型的准确性。

>

技术实本文档来自技高网...

【技术保护点】

1.一种基于对象感知策略网络的推荐方法，其特征在于，包括：

2.根据权利要求1所述的基于对象感知策略网络的推荐方法，其特征在于，所述特征优化模型的实现方法为：

3.根据权利要求1所述的基于对象感知策略网络的推荐方法，其特征在于，所述深度推荐模型的实现方法为：

【技术特征摘要】

1.一种基于对象感知策略网络的推荐方法，其特征在于，包括：

2.根据权利要求1所述的基于对象感知策略网络的推荐方法，其特征在于，所...

【专利技术属性】
技术研发人员：林佳胤，丁哲伟，李爽，沈俊，林铭炜，余深宝，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人